Decider V1.3 — это модель принятия решений от Perplexity, преемник Decider V1.2. Вместо генерации текста она считывает контент, переданный как state (текст, JSON или изображения), и возвращает типизированные, вероятностные ответы на один или несколько именованных вопросов в одном запросе: вероятность «да» для вопроса «да/нет» (noul), вероятность для каждого варианта плюс наиболее вероятный (choice, до 255 вариантов) или вероятность для каждого уровня упорядоченной рубрики плюс ожидаемый балл (score).
Она создана для классификации, маршрутизации, модерации и оценки по рубрикам, где пороговые значения для возвращаемых чисел устанавливаются кодом приложения, а не путем разбора ответа чата.
V1.3 также добавляет locate, доступный по маршруту Extractions: он извлекает поля text и list из текстового состояния и возвращает каждое значение с его исходным диапазоном и уровнем достоверности. Для меньшего, более экономичного варианта с тем же контрактом см. Decider Flash V1.3.
⚠ Бесплатная витрина модели
Лимиты RPM/RPD выставляет провайдер модели, не Hubris — конкретные значения провайдер не публикует. При 429 повторите запрос с экспоненциальной задержкой либо переключитесь на платную версию модели. Подробнее.
Провайдер для Perplexity: Decider V1.3 (free)
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Другие модели от perplexity
Perplexity: Sonar
Sonar — это легковесный, доступный, быстрый и простой в использовании инструмент, теперь с цитированием и возможностью настройки источников. Он разработан для компаний, которым необходимы легковесные функции вопросов и ответов, оптимизированные для скорости.
Perplexity: Embed V2 Context 0.6B
pplx-embed-v2-context-0.6b — это компактная мультимодальная контекстная модель embedding от Perplexity для поиска по тексту, изображениям и визуальным документам. Это экономичная версия pplx-embed-v2-context-9b, подходящая для высокообъемного RAG и индексации поиска, где фрагменты одного и того же документа должны быть встроены с учетом их окружающего контекста: передайте документ в виде упорядоченного списка фрагментов, и embedding каждого фрагмента будет отражать весь документ, или встраивайте строки по отдельности для стандартного плотного поиска. Запросы и документы используют отдельные режимы input_type, поэтому отправляйте query для поисковых запросов и document для индексируемого контента. Модель возвращает 1024-мерные векторы, которые используют одно пространство embedding с 1024-мерным префиксом модели 9B, поэтому документы, проиндексированные одной моделью, могут быть запрошены другой. Ввод изображений принимается только в режиме документа.
Perplexity: Embed V2 Context 9B
pplx-embed-v2-context-9b — это мультимодальная контекстная модель embedding от Perplexity для поиска по тексту, изображениям и визуальным документам. Это более крупная из двух контекстных моделей v2, подходящая для RAG и поисковых конвейеров, где фрагменты одного и того же документа должны быть встроены с учетом их окружающего контекста: передайте документ в виде упорядоченного списка фрагментов, и embedding каждого фрагмента будет отражать весь документ, или встраивайте строки по отдельности для стандартного плотного поиска. Запросы и документы используют отдельные режимы input_type, поэтому отправляйте query для поисковых запросов и document для индексируемого контента. По умолчанию модель возвращает 2048-мерные векторы и принимает dimensions: 1024, чей префикс разделяет пространство embedding с pplx-embed-v2-context-0.6b, поэтому документы, проиндексированные одной моделью, могут быть запрошены другой. Ввод изображений принимается только в режиме документа.
Perplexity: Decider Flash V1.3 (free)
Decider Flash V1.3 — это модель принятия решений от Perplexity, меньший и более экономичный аналог Decider V1.3 с тем же API-контрактом. Вместо генерации текста она считывает контент, переданный как state (текст, JSON или изображения), и возвращает типизированные, вероятностные ответы на один или несколько именованных вопросов в одном запросе: вероятность «да» для вопроса «да/нет» (noul), вероятность для каждого варианта плюс наиболее вероятный (choice, до 255 вариантов) или вероятность для каждого уровня упорядоченной рубрики плюс ожидаемая оценка (score). Она подходит для высокообъемной классификации, маршрутизации и модерации, где пороговые значения возвращаемых чисел устанавливаются кодом приложения, а не путем разбора ответа чата. Она также добавляет locate, доступный по маршруту Extractions, извлекающий поля text и list из текстового состояния с указанием исходных диапазонов и достоверности.
Perplexity: Decider Flash V1.2
Decider Flash V1.2 — это модель принятия решений с 4B параметрами от Perplexity, меньший и более экономичный аналог Decider V1.2 с тем же API-контрактом. Вместо генерации текста, она считывает контент, переданный как state (текст, JSON или изображения), и возвращает типизированные, вероятностные ответы на один или несколько именованных вопросов в одном запросе: вероятность «да» для вопроса «да/нет» (noul), вероятность для каждого варианта плюс наиболее вероятный (choice, до 255 вариантов), или вероятность для каждого уровня упорядоченной рубрики плюс ожидаемый балл (score). Она подходит для высокообъемной классификации, маршрутизации и модерации, где код приложения устанавливает пороговые значения для возвращаемых чисел, а не анализирует ответ чата.
Perplexity: Decider V1.2
Decider V1.2 — это новая 27B контрольная точка модели принятия решений Perplexity, пришедшая на смену Decider V1.1 27B с тем же API-контрактом. Вместо генерации текста, она считывает контент, переданный как state (текст, JSON или изображения), и возвращает типизированные, вероятностные ответы на один или несколько именованных вопросов в одном запросе: вероятность «да» для вопроса «да/нет» (noul), вероятность для каждого варианта плюс наиболее вероятный (choice, до 255 вариантов), или вероятность для каждого уровня упорядоченной рубрики плюс ожидаемый балл (score). Она создана для классификации, маршрутизации, модерации и оценки по рубрикам, где код приложения устанавливает пороговые значения для возвращаемых чисел, а не анализирует ответ чата. Для меньшего, более экономичного варианта с тем же контрактом см. Decider Flash V1.2.
